基于神经网络和遗传算法的PID参数自整定算法

针对常规PID(proportional-integral-derivative)参数整定过程依赖被控对象的数学模型、不能灵活得到期望的性能指标等问题,提出了一种基于神经网络和遗传算法的PID参数自整定算法。该算法首先通过训练神经网络得到PID控制器参数和控制性能指标之间的映射关系;再利用遗传算法进行最优解搜索,得到全局范围内一组最优的控制器参数,使得给定的基于时域性能指标的目标函数值最优;最后,以水箱液位系统为例对所提算法进行实验验证。实验结果表明,与传统的ZN(Ziegler Nichols)参数整定法相比,所提算法整定的参数具有了更好的控制效果,同时可以通过改变目标函数中的性能指标权重系数,灵活得到不同期望的控制效果。